Statistical Process Control Training

1Nopri rev01Nopri rev01

PEMAHAMAN DASAR TENTANG SPCPEMAHAMAN DASAR TENTANG SPC

Apakah yang di maksud dengan SPC?

SPC adalah kependekan dari

S : Statistical

P : Process

C : Control

Apakah yang di maksud dengan Statistical (Statistik):

Statistik secara bahasa berarti Sekumpulan data/angka yang disederhanakandalam bentuk table atau grafik dengan tujuan untuk untuk ditarik maknanya atau untuk memperoleh informasi tertentu

STATISTIK = DATASTATISTIK = DATA



Apakah yang di maksud dengan “Process”Pemahaman Konvensional

ININ ProcessProcess OutOut

Process adalah tahapan yang diperlukan untuk mengubah dari input menjadi output ??

Saat ini Process harus dipahami lebih jauh lagi yakni sebagai semua kegiatan yang berhubungan dengan produk mulai dari raw material sampai menjadi Finish good adalah process

IQCIQC ProcessProcess OQAOQA

Process AProcess A Process BProcess B Process CProcess C



Jadi SPC adalah :Suatu method / tools yang systematic untuk mengetahui capability dan stability dari suatu product dan perbaikan yang diperlukan.

Apakah yang di maksud dengan “Control” Control adalah upaya2 yang dilakukan untuk memenuhi standard yang di Targetkan, mengurangi kemungkinan terjadinya defect (Stability) dan perbaikan

CONTROL => CAPABILITY => STABILITY => IMPROVECONTROL => CAPABILITY => STABILITY => IMPROVE (P) (D) (C) (A) (P) (D) (C) (A)


Ada 7 jenis tools yang biasa di pakai dalam SPC, atau yang lebih dikenal dengan nama (QC basic 7 tools)

Yaitu : 1) Histogram or Stem and Leaf plot2) Check Sheet3) Pareto Chart4) Cause and Effect Diagram5) Defect Concentration Diagram6) Scatter Diagram 7) Control Chart

Dalam training ini akan di bahas mengenai SPC dengan method Control chart




Run ChartScatter Diagram

Histogram

Fishbone Diagram

Check Sheet Pareto Chart Defect Concentration Diagram


KEGUNAAN DARI SPCKEGUNAAN DARI SPC

Kegunaan dari SPC :

1. Monitor process (defect prevention)

2. Menentukan apakah process masih dalam control atau tidak (Process capability)

3. Memutuskan apakah corrective actions diperlukan atau tidak (prevent unnecessary process adjustment)

4. Membantu memutuskan action apa yang diperlukan (improving productivity)


CONTROL CHARTCONTROL CHART

Jenis dari control chart

Variables Control ChartsVariables control charts biasa di pakai untuk data yang terukur (measurement data) dan memiliki distribusi / Variable data.

Contoh Jenis – jenis data yang bisa terukur adalah:

1) Weight (Berat)

2) Height (Ketinggian)

3) Speed (Kecepatan)

4) Distance (Jarak)

5) Thickness (Ketebalan)

Jenis – jenis dari control chart untuk variables data adalah:

X-Bar R chart, MR Chart.



Jenis dari control chart

Attributes Control Charts

Attributes control charts biasa di pakai untuk pengkategorian dari jenis data seperti Pass atau Fail, go-No go, NG and OK

Note :

Walaupun data tersebut adalah variabel data (data dalam bentuk angka hasil pengukuran), data tersebut dapat di anggap sebagai attributes data jika pointnya adalah jumlah dari pass dan fail.

Jenis – jenis dari control chart untuk variables data adalah:

P-Chart, U- Chart and C-Chart.


SPC (Control chart Tree)

1 2 k

1 2 k

X X ... XX

kR R ... R

Rk

RDLCL

RDUCL

RAXLCL

RAXUCL

3R

4R

2X

2X

n A2 E2 D4 D3

2 1.88 2.66 3.27 03 1.02 1.77 2.57 04 0.73 1.46 2.28 05 0.58 1.29 2.11 0

k21

kk2211

n...nn

pn...pnpnp

n

)p1(p3pLCL

n

)p1(p3pUCL

p

p

Count ormeasure?

Area orunits?

Attribute(Count)

Variable(Measure)

Defective unitsDefects per area

Samplesize?

ChangingConstant

c u p or p’

MR Chart

Sub-groups?

Individual AverageYesNo

X bar R Chart


X Bar R chart: Menjadikan nilai distribusi rata rata dan nilai Range untuk melihat proces trend.deals with a average value in a process

MR chart: Menjadikan nilai rata-rata perubahan dari

P Chart: chart yang menjadikan nilai ratio defect sebagai trend chart.C chart: chart yang menjadikan jumlah total defect menjadi trend chart.U chart: chart yang menjadikan nilai rata2 dari jumlah defect menjadi trend chart.



n – adalah jumlah (size) dari sample yang terkadang juga di sebut sebagai subgroup)

・Ｘ bar - adalah average dari data sample Jika x1, x2, …, xn adalah nilai dari sample, maka average adalah

R – adalah nilai range (max-min)

m – jumlah dari sub group

How to make the Xbar-R control chart ?

n

xxxx n

21



Control Limits for the X bar chart

A2 is found in Appendix VI for various values of n.

Control Limits for the R chart

D3 and D4 are found in Appendix VI for various values of n.

RAxLCL

xLineCenter

RAxUCL

2

2

RDLCL

RLineCenter

RDUCL

3

4


Process 1 Hitung nilai dari rata2 (mean) dari subgroup(Lot)

（ Biasanya Sub group size adalah : 5 ～ 10)

Process 2Hitung nilai Range (R) dari subgroup(Lot)

Process 3Jumlahkan nilai total rata2

Process 4Jumlahkan nilai total range

Process 5Hitung nilai CL, UCL, LCL dari X bar.

Process 6Hitung nilai CL, UCL, LCL dari R

Process 7Plot the Xbar and R by the subgroup




Sample # 1Sample # 1



n = 5 m = 12 X bar : 45.5 R : 6.0

UCL : 45.5 + 0.577 x 6.0 = 48.962

LCL : 45.5 - 0.577 x 6.0 = 42.03

Dari sample diatas didapat : Dari sample diatas didapat :

X bar Chart UCL _ LCLX bar Chart UCL _ LCL

UCL : 2.282 x 6.0 = 13.684

LCL : 0.0 x 6.0 = 0

R Chart UCL _ LCLR Chart UCL _ LCL


How to make the Xbar-R control chart ?m A2 D3 D4 A3 B3 B4

2 1.880 0.000 3.267 2.659 0.000 3.2673 1.023 0.000 2.575 1.954 0.000 2.5684 0.729 0.000 2.282 1.628 0.000 2.2665 0.577 0.000 2.114 1.427 0.000 2.0896 0.483 0.000 2.004 1.287 0.030 1.9707 0.419 0.076 1.924 1.182 0.118 1.8828 0.373 0.136 1.864 1.099 0.185 1.8159 0.337 0.184 1.816 1.032 0.239 1.76110 0.308 0.223 1.777 0.975 0.284 1.71611 0.285 0.256 1.744 0.927 0.321 1.67912 0.266 0.283 1.717 0.886 0.354 1.64613 0.249 0.307 1.693 0.850 0.382 1.61814 0.235 0.328 1.672 0.817 0.406 1.59415 0.223 0.347 1.653 0.789 0.428 1.57216 0.212 0.363 1.637 0.763 0.448 1.55217 0.203 0.378 1.622 0.739 0.446 1.53418 0.194 0.391 1.609 0.718 0.482 1.51819 0.187 0.404 1.596 0.698 0.497 1.50320 0.180 0.415 1.585 0.680 0.510 1.49021 0.173 0.425 1.575 0.663 0.523 1.47722 0.167 0.435 1.565 0.647 0.534 1.46623 0.162 0.443 1.557 0.633 0.545 1.45524 0.157 0.452 1.548 0.619 0.555 1.44525 0.153 0.459 1.541 0.606 0.565 1.435

Note: m = subgroup size

For moving range charts in which the moving ranges are calculated using pairs of successive values, use m = 2.



X Bar Chart

35,0

37,0

39,0

41,0

43,0

45,0

47,0

49,0

51,0

53,0

55,0

1/1

R Chart

-2,00

2,00

6,00

10,00

14,00

1/1

UCLXBar

48,96

XDBar45,50

LCLXBar

42,02

UCLR

12,68

RBar6,00



6/88AM

6/8 10AM

6/8 12PM

6/82PM

6/98AM

6/9 10AM

6/9 12PM

6/92PM

6/108AM

6/10 10AM

6/10 12PM

6/102PM

6/118 AM

6/1110AM

6/1112PM

1 0.65 0.75 0.75 0.6 0.7 0.6 0.75 0.6 0.65 0.6 0.8 0.85 0.7 0.65 0.92 0.7 0.85 0.8 0.7 0.75 0.75 0.8 0.7 0.8 0.7 0.75 0.75 0.7 0.7 0.83 0.65 0.75 0.8 0.7 0.65 0.75 0.65 0.8 0.85 0.6 0.95 0.85 0.75 0.85 0.8

4 0.65 0.85 0.7 0.75 0.85 0.85 0.75 0.75 0.85 0.8 0.55 0.65 0.75 0.75 0.755 0.85 0.65 0.65 0.65 0.8 0.7 0.7 0.75 0.75 0.65 0.8 0.7 0.7 0.6 0.85

Sample # 2Sample # 2

5 parts di ambil samplenya setiap dua jam dan hasilnya seperti data diatas.

n = ? m = ? X bar : ? R : ?

UCL : ??

LCL : ??

Dari sample diatas didapat : Dari sample diatas didapat :

X bar Chart UCL _ LCLX bar Chart UCL _ LCL

UCL : ??

LCL : ?? R Chart UCL _ LCLR Chart UCL _ LCL

X bar chart


Membaca Jenis dari Control Chart

Natural pattern: Menunjukkan process yang stabil.

Fluktuasi chart random mendekati centre line.

Tidak ada abnormal trend, shifted trend, atau trend yang out-of-control.

0 5 10 15 20 25 30

-4-2

02

4


Unnatural patterns (Freaks or Outliers) : Satu point yang keluar dari control limit.Artinya : Perubahan process yang tidak permanent dan lebih ke accidensial (biasanya kejadian ini sudah untuk di identified root causednya), untuk memastikanya haru di re-check data atau unit yang bermasalah.

0 5 10 15 20 25 30

-6

-4

-2

02

46



Unnatural patterns:

8 points berturut2 baik di raw bawah ataupun atas dari centre line.

Artinya : Perubahan process data secara tiba – tiba yang bisa jadi karna ada perubahan process seperti adjustment machine atau new lot number dari raw material.

0 5 10 15 20 25 30

-4-2

02

4



0 5 10 15 20 25 30

-4

-2

02

46

Unnatural patterns:

7 atau lebih point yang terus menerus trendnya naik atau turun..

Artinya : Trend menanjak atau trend menurun biasanya di sebabkan oleh tool atau machine yang stabilitynya NG (Worn out)



0 5 10 15 20 25 30

-4

-2

02

46


Unnatural patterns:

Dua dari tiga point data yang yang berurut berada pada posisi di luar warning (Warning Limits = 2*sigma)

Empat dari lima point data yang berurut berada pada posisi diluar 1 sigma control limit.

Artinya : Menunjukkan adanya pergesaran di parameter process.


0 5 10 15 20 25 30

-4

-2

02

46


Unnatural patterns:

Dua dari tiga point data yang yang berurut berada pada posisi di luar warning (Warning Limits = 2*sigma = zone A)

Empat dari lima point data yang berurut berada pada posisi diluar 1 sigma control limit (Zone B)

Artinya : Menunjukkan adanya pergesaran di parameter process.



Unnatural patterns:

14 points data menunjukkan data yang terus menerus naik turun

Artinya : Menunjukkan effek yang disebabkan oleh pengunnaan dua process ang berbeda, seperti machine, operator atau material lot number.

98

103

108

113

7/12 7/13 7/14 7/15 7/19 7/20 7/21 7/22 7/25 7/26 7/27 7/28 7/29 8/1 8/2 8/3 8/4 8/5 8/6 8/17 8/18 8/19 8/22 8/23 8/24 8/25 8/26 8/29 8/30 8/31 9/1 9/2 9/5 9/7 9/8 9/9 9/12 9/13 9/14 9/15 9/16 9/17 9/20 9/21 9/22 9/26 9/27 9/28 9/29 9/30 10/3 10/4 10/5 10/6 10/7 10/11 10/12 10/13 10/14 10/17 10/18 10/19 10/20 10/21 10/24 10/25 10/26 10/27 11/1 11/2 11/4 11/7 11/8 11/9 11/10 11/11 11/14 11/15 11/16 11/17 11/18 11/21 11/22 11/24 11/25 11/28 12/1 12/2 12/5 12/6 12/7 12/8 12/9 12/12 12/13 12/14 12/15 12/16 12/19 12/20

④



Unnatural patterns:

15 points berada pada zone C (Centre area) secara terus menerus

Artinya : Menunjukkan data yang sangat stabil (Bisa jadi di adjust)



Unnatural patterns:

8 points data berturut turut tidak terdapat pada zone C baik di raw atas maupun

Artinya : variasi data menjauhi centre area (Marginal)


Process Capability (Cpk)

Apakah yang di maksud dengan process capabiltiy??

Process capability dapat diartikan sebagai kemampuan dari process untuk dapat memenuhi standard yang

Tehnik yang biasa di pakai untuk process capability analysis

1. Control Charts

2. Histograms

3. Designed Experiments (DOE)



Penggunaan Histogram

Histogram digunakan dengan parameter nilai rata2 (mean) nilai standard deviasi (sigma) dan nilai process capability (Cpk)

Apakah yang di maksud dengan sigma (standard Deviasi) ( ?

SD adalah parameter untuk mengukur besarnya deviasi/variability dari suatu data.

semakin besar SD maka makin sebesar deviasi/variability data.

Standard Deviation (SD): = [(x1 - m)2+(x2 - m)2+...+(xn - m)2] / (n-1)


Process Capability (Cpk)No Value

1 462 473 454 445 486 457 478 539 48

10 4811 4512 4213 4814 4715 4416 4617 5018 4219 4420 4621 4522 4323 4124 4525 3926 4427 4528 4829 4530 4431 4732 43

Average 45,4375

Berapakah nilai Sigma dari data

di samping??

No Value Xn-Mean = p p.21 46 0,5625 0,3164062 47 1,5625 2,4414063 45 -0,4375 0,1914064 44 -1,4375 2,0664065 48 2,5625 6,5664066 45 -0,4375 0,1914067 47 1,5625 2,4414068 53 7,5625 57,191419 48 2,5625 6,566406

10 48 2,5625 6,56640611 45 -0,4375 0,19140612 42 -3,4375 11,8164113 48 2,5625 6,56640614 47 1,5625 2,44140615 44 -1,4375 2,06640616 46 0,5625 0,31640617 50 4,5625 20,8164118 42 -3,4375 11,8164119 44 -1,4375 2,06640620 46 0,5625 0,31640621 45 -0,4375 0,19140622 43 -2,4375 5,94140623 41 -4,4375 19,6914124 45 -0,4375 0,19140625 39 -6,4375 41,4414126 44 -1,4375 2,06640627 45 -0,4375 0,19140628 48 2,5625 6,56640629 45 -0,4375 0,19140630 44 -1,4375 2,06640631 47 1,5625 2,44140632 43 -2,4375 5,941406

Average 45,4375 229,875

P.2/(n-1) = U 7,415323Sigma / U 2,723109



0.0

0.2

0.4

0.6

-6 -4 -2 0 2 4 6

LSL USLTarget

Spec Width

Process Mean

Process Variation

6


The Normal Distribution The Normal Distribution

95.45%

68.26%

99.73%

-3σ -2σ -σ 0 σ 2σ 3σ

0.13%

0.13%

σ ＝STDEV(STANDARD DEVITASION)

UCL

LCL

Zone A

Zone A

Zone B

Zone B

Zone C

UWL

LWL

CenterZone C

Center

Center + 3*Sigma

Center - 3*Sigma

Center + 2*Sigma

Center - 2*Sigma

Center+Sigma

Center - Sigma



Process-Capability Ratios (Cp)

Digunakan untuk mengekpresikan / potential process capability.

Cp dapat diartikan sebagai berikut:

Jika Cp > 1, maka sangat sedikit peluang / tendesi defect akan dihasilkan dari.

Jika Cp = 1, maka defect yang dihasilkan akan berulang.

Jika Cp < 1, maka banyak defect yang akan di hasilkan

6

LSLUSLC p


Cpk Digunakan untuk mengekpresikan process capability dengan melakukan pendekatan dari nilai rata2.

3

3LSL

C

USLC

pl

pu

Cpk defined as

Cpk = min(Cpu, Cpl)


Process Capability Rank Criteria of Cp Cpk Definition

Cpk>1.67 for both side tolerance Maintain the process quality

Cpk is greater than 1.33 and less than 1.67 Investigation and improvement plan required

Detail action taken is required and Stop the machineCpk<1.33 for one side tolerance

Rank A

Rank B

Rank C


CP and CPK

Cp and Cpk can be used for data histogram analysis, tetapi Cpk

lebih akurat untuk penilaian process secara keseluruhan.

Cp = 0.5, Cpk = 0.5

Cp = 1, Cpk = 1

Cp = 1, Cpk = 0.33

Greater the process spread, lower the Cp or Cpk.

For a process which is centered at the target, Cp=Cpk.

Cp does not account for whether or not the process is centered at the target, but Cpk does.

32 34 36 38

0.0

0.4

0.8

x1

32 34 36 38

0.0

0.4

0.8

x2

32 34 36 38

0.0

0.4

0.8

x3

LSL = 33.5 Target = 35.0 USL = 36.5


Sample

Kita memiliki 10.000 distribusi data dengan beberapa parameter beikut :

Specification: LSL = 9.997, USL = 10.003, Nominal value = 10.

Mean : 10.000156

SD : 0.00059

Berapakah nilai Cp dan Cpk nya??

Bagaimana menurut anda graph yang di hasilkan??

9.996 9.998 10.000 10.002 10.004

01

02

03

0

x

Mean = 10.00156 SD = 0.00059

LSL=9.997 USL=10.003

CP and CPK

Cp: 1,694 Cpk : 1,606


Reference Table of CPKReference Table of CPK

REFERENCE TABLE FOR CP AND CPK

SIGMA % GOOD % BAD PPM APPROXIMATELY BAD CP

1 68.27% 31.73% 317.300 1 out of 3 0.33

2 95.45% 4.55% 45.500 1 out of 20 0.66

3 99.73% 0.27% 2.700 3 out of 1000 1

4 99.99% 0.07% 63 6 out of 100000 1.33

4.5 99.99993% 0.00068% 6.8 7 out of million 1.5

5 99.9999426% 0.0000574% 0.574 0.6 out of million 1.66

6 99.9999998% 0.0000002% 0.002 2 out of billion 2

SIGMA % GOOD % BAD PPM APPROXIMATELY BAD CPK

1 84.135% 15.865% 156.650 1 out of 6 0.33

2 97.725% 2.275% 22.750 1 out of 40 0.66

3 99.865% 0.135% 1.350 1 out of 1000 1

4 99.99685% 0.00315% 31.5 3 out of 100000 1.33

4.5 99.99997% 0.00034% 3.4 3.4 out of million 1.5

5 99.9999713% 0.0000287% 0.287 0.3 out of million 1.66

6 99.9999999% 0.0000001% 0.001 1 out of billion 2


Process Control vs. Process Capability

Sangat penting untuk memahami perbedaan antara process contol dengan process

Sebuah process di anggap memiliki capability apabila semua data yang dihasilkan process masih masuk dalam limit

Sebuah process di anggap tercontrol apabila parameter process itu sendiri semua data yang dihasilkan sesuai dengan yang diharapkan.

Jadi process yang walaupun di control dengan SPC tidak serta merta process tersebut sudah memiliki capability, dan sebaliknya process yang memenuhi spesifikasi tidak serta merta di anggap sebagai process yang terkontrol

Untuk menjadikan process tersebut dianggap process yang terkontrol harus udah usaha untuk mengurangi atau menghilangkan distributsi data yang tidak bagus dengan adanya process improvement.


PENYEBAB PERUBAHAN PROCESS

Ada dua hal yang bisa menjadi penyebab terjadinya perubahan process distribusi data yakni : common cause variation and special cause variation.

Comon caused adalah perubahan process control yang terjadi secara acak (random) dan bersifat accidentsial (unidentifiable causes)

Special caused adalah perubahan process control di karenakan oleh sebab sebab tertentu seperti machine yang rusak, perubahan di dalam method, perubahan raw material dan lain2, Special caused di kenal juga dengan nama assignable causes.


P Charts

P chart adalah salah satu dari control chart yang di gunakan untuk memonitoring fraction / ratio dari defect.

Beberapa parameter dalam P chart:P = nilai ratio (fraction) dari total defect yang di temukan dengan total jumlah product yang di inspected.

n = Number of subgroup.

Center Line = Average

UCL = Average + 3*Sigma

LCL = Average - 3*Sigma


Example 1 - P Chart

Number of subgroups = 25

Subgroup size = 100

Control limits

Average = 0.077

Sigma = 0.02525

LCL = 0.077 - (3)(0.02525) = 0.001

centerline = 0.077

UCL = 0.077 + (3)(0.02525) = 0.153

0.00

0.05

0.10

0.15

subgroup

Avg=0.077

LCL=0.001

UCL=0.153

sample # # defects fraction

1 10 0.1

2 7 0.07

3 8 0.08

4 11 0.11

5 5 0.05

6 8 0.08

7 12 0.12

8 6 0.06

9 4 0.04

10 11 0.11

11 5 0.05

12 8 0.08

13 6 0.06

14 8 0.08

15 12 0.12

16 9 0.09

17 10 0.1

18 8 0.08

19 9 0.09

20 4 0.04

21 7 0.07

22 9 0.09

23 5 0.05

24 3 0.03

25 8 0.08

P chart


Pareto Charts

Kegunaan dari Pareto Chart Pareto charts di gunakan untuk mengidentifikasi suatu masalah dan menentukan tingkap prioritas dari masalah untuk yang harus di selesaikan.

Di dalam Pareto chart di kenal juga istilah “80/20 rule” yang di perkenalkan oleh Joseph Juran.

80/20 rule menyatakan bahwa 80% dari suatu contribusi masalah di hasilkan oleh 20% dari total kemungkinan penyebab dari masalah tersebut.

???????


Pareto Chart

54

99989384

99 99 100 100

0

9,400

Lubangkunci minus

Part karat Flangemiring

Patah saatassy

Tercampur Ulir masukIR-1

Ulir miring Kepalacacat

Lain-lain

Jum

lah

Clai

m

0.00

20.00

40.00

60.00

80.00

100.00

Pers

enta

se K

umul

atif

Jumlah Claim Kumulatif


Cause-and-Effect Diagram / Ishikawa diagaram

QualityProblemQuality

Problem

Out of adjustmentOut of adjustment

Tooling problemsTooling problems

Old / wornOld / worn

MachinesMachinesFaultyFaulty testing equipmenttesting equipment

Incorrect specificationsIncorrect specifications

Improper methodsImproper methods

MeasurementMeasurement

Poor supervisionPoor supervision

Lack of concentrationLack of concentration

Inadequate trainingInadequate training

HumanHuman

DeficienciesDeficienciesin product designin product design

Ineffective qualityIneffective qualitymanagementmanagement

Poor process designPoor process design

ProcessProcess

InaccurateInaccuratetemperature temperature controlcontrol

Dust and DirtDust and Dirt

EnvironmentEnvironment

Defective from vendorDefective from vendor

Not to specificationsNot to specifications

Material-Material-handling problemshandling problems

MaterialsMaterials

Fish Born Chart


Defect concentration diagram Defect concentration diagram juga merupakan QC tools yang digunakan untuk mengidentifikasi masalah/defect yang muncul BERULANG.

Ciri2 dari Defect concentration Diagram :

Di gunakan untuk analisa observasi pada defect yang berulang

Mengunnakan alat / sample visualisasi yang di gunakan dalam

pengumpulan data dan analisa data. (Gambar/lay out/Drawing ..etc)

Observasi dari defect di catat / di tandai langsung ke alat visualisasi.

Defect concentration diagram


Contoh Defect concentration diagram

Defect concentration DiagramDefect concentration DiagramAnalisa kualitas bajuAnalisa kualitas baju

Defect concentration DiagramDefect concentration DiagramLokasi defect pada PCBALokasi defect pada PCBA


10- 47

Scatter Diagrams

Kegunaan dari Scatter Diagrams

Scatter Diagrams di gunakan untuk mengidentifikasi hubungan / correlation dari dua variable yang berbeda.

contoh :

Di gunakan untuk mencari hubungan antara nilai master dengan nilai actual tester.


10- 48

Scatter Diagrams and Correlation

Makin mendekati / berbentuk garis makin bagus correlasinya.


10- 49``

Scatter Diagrams and Correlation


Common MistakesMengabaikan SPC

Bingung dengan spec limits dan control limits

Specification limits where the part will work.

Control limits adalah operational range dari process.

Memonitor parameter yang salah.

Menghitung control limits dengan formula yang salah

Tidak ada rule yang mengatur bila chart out-of-control.

Memerintahkan operator untuk tetap continue process walaupun ada process dengan paramter out of limit.

Engineer tidak memiliki / ownership terhadap SPC charts control, hanya sebatas data entry.

Pastikan chart ter-update dan di kontrol.

Pastikan semua parameter yang di control telah di mengerti dengan baik.

Pastika ada rule yang mengatur apabila ada chart yang diluar kontrol dan chart tersebut telah di artikan dengan benar.

Terlalu banya chart yang di buat (walaupun tidak perlu) - don't plot for plotting's sake.


SPC Depends on Teamwork

Engineers Production Team

ManagementSPC Technical Support

Statistical Process Control Training

Documents

Transcript of Statistical Process Control Training